YOLOV7学习记录之mAP计算
Posted 彭祥.
tags:
篇首语：本文由小常识网(cha138.com)小编为大家整理，主要介绍了YOLOV7学习记录之mAP计算相关的知识，希望对你有一定的参考价值。
如何评估一个训练好模型的好坏，是目标检测中一个很重要的因素，如常见的TP、FP、AP、PR、map等
视频可以参考：
https://www.bilibili.com/video/BV1ez4y1X7g2/?spm_id_from=333.337.search-card.all.click&vd_source=0afe6d9b487e848c06b62da15f2e659f
TP、FP、TN、FN
TP：被正确分类为正样本的数量；实际是正样本，也被模型分类为正样本
FP：被错误分类为正样本的数量；实际是负样本，但被模型分类为正样本
TN：被正确分类为负样本的数量；实际是负样本，也被模型分类为负样本
FN：被错误分类为负样本的数量；实际是正样本，但被模型分类为负样本
如下图举例：
红色是预测框，绿色是真实框。
假设阈值为0.5，意思就是预测框与真实框的IoU大于等于0.5时认为检测到目标了。
TP是IoU>0.5的检测框数量（在同一真实框下只计算一次），图中的框①。
FP是IoU<=0.5的检测框数量，图中的框②。
FN是没有被检测到的框数量，图中的框③。
Precision和Recall
Precision
计算公式：
P = TP / (TP + FP)
Precision是针对预测结果而言的，含义是在预测结果中，有多少预测框预测正确了。
但是光靠一个Precision指标是有缺陷的，比如在下面这种情况中：
在预测结果中，预测正确的目标有一个，预测错误的目标有0个，所以TP=1，FP=0，则P=1，但是图中除了①，②③④⑤都没有检测出来，所以单靠一个Precision指标肯定是不行的。
Recall
计算公式：
R = TP / (TP + FN)
Recall是针对原样本而言的，含义是在所有真实目标中，模型预测正确目标的比例。
但是单靠Recall来判断模型预测结果好坏也不行，比如下面这种情况：此时TP为所以检测框，而FN=0，因为没有漏检，五只猫全部找到了，虽然找了很多
AP（P-R曲线下的面积）
对于以下三张猫的图片，分别对每张图片进行统计，并存入一个表格中，这个表格是按照置信度降序排序的（只放入预测框）：
此时真实框有两个，所有num_ob=2（num_ob是累加起来的），当IoU大于等于0.5时，认为检测到了目标。
此时num_ob=3，这张图片只有一个真实框，所以num_ob+=1
此时num_ob=7，这张图片有4个真实框，所以num_ob+=4
最后得到左边的一张表格，使用不同阈值（confidence)来判断是否匹配，此时我们使用confidence=0.98作为阈值来计算Precison和ReCall,最后我们依次调整confidence阈值，直至将其全部计算完毕。
最终结果，FP为被错误分为正样本数码，有两个False，即为2，TP为分类正确的数目（实际为正样本，被分为正样本），为5，FN为被错误分类为负样本数码（实际为正样本，被分为负样本），为7-5=2，最终我们将其全部计算完。
此时我们会得到右边的一张表格，按照这个表格，我们就可以绘制P-R曲线了，以ReCall为横坐标，Precision为纵坐标绘制，在绘制前需要删除一些Recall重复的数据，如图中的第五和第六个数据。我们保留Precision最大的即可。
注意，以上的预测框都是在经过非极大值抑制后的预测框。
mAP(mean Average Precision)
mAP是各类别AP的平均值，上面的0.6694就是猫所对应的AP值，采用这个方法，我们可以计算出所有类别所对应的AP值，再除以类别的个数，就得到了map。
执行流程
我们来梳理一下程序运行流程：
首先运行get_map.py，map计算应该在predict后完成的（predict主要是在图像中绘制出预测框），但这里分开了，也就需要我们要重新加载模型并预测输出然后在计算结果。
在get_map.py中其与predict一样初始化参数。随后
生成模型： yolo = YOLO(confidence = confidence, nms_iou = nms_iou)
获取预测结果：这里使用的是get_map_tx函数来获取预测类别，置信度，xy,w,h信息
执行预测
get_map_txt函数如下所示：
def get_map_txt(self, image_id, image, class_names, map_out_path):
f = open(os.path.join(map_out_path, "detection-results/"+image_id+".txt"), "w", encoding='utf-8')
image_shape = np.array(np.shape(image)[0:2])
#---------------------------------------------------------#
# 在这里将图像转换成RGB图像，防止灰度图在预测时报错。
# 代码仅仅支持RGB图像的预测，所有其它类型的图像都会转化成RGB
#---------------------------------------------------------#
image = cvtColor(image)
#---------------------------------------------------------#
# 给图像增加灰条，实现不失真的resize
# 也可以直接resize进行识别
#---------------------------------------------------------#
image_data = resize_image(image, (self.input_shape[1], self.input_shape[0]), self.letterbox_image)
#---------------------------------------------------------#
# 添加上batch_size维度
#---------------------------------------------------------#
image_data = np.expand_dims(np.transpose(preprocess_input(np.array(image_data, dtype='float32')), (2, 0, 1)), 0)
with torch.no_grad():
images = torch.from_numpy(image_data)
if self.cuda:
images = images.cuda()
#---------------------------------------------------------#
# 将图像输入网络当中进行预测！
#---------------------------------------------------------#
outputs = self.net(images)
outputs = self.bbox_util.decode_box(outputs)
#---------------------------------------------------------#
# 将预测框进行堆叠，然后进行非极大抑制
#---------------------------------------------------------#
results = self.bbox_util.non_max_suppression(torch.cat(outputs, 1), self.num_classes, self.input_shape,
image_shape, self.letterbox_image, conf_thres = self.confidence, nms_thres = self.nms_iou)
if results[0] is None:
return
top_label = np.array(results[0][:, 6], dtype = 'int32')
top_conf = results[0][:, 4] * results[0][:, 5]
top_boxes = results[0][:, :4]
for i, c in list(enumerate(top_label)):
predicted_class = self.class_names[int(c)]
box = top_boxes[i]
score = str(top_conf[i])
top, left, bottom, right = box
if predicted_class not in class_names:
continue
f.write("%s %s %s %s %s %s\\n" % (predicted_class, score[:6], str(int(left)), str(int(top)), str(int(right)),str(int(bottom))))
f.close()
return
在get_map_txt函数中，依次进行图像灰度转换，图像非失真调整，将图像输入模型，将预测输出结果进行解码，将解码结果进行非极大值抑制，到此与与预测完全相同，随后将结果进行解析，将原本的应该在图像中绘制出预测框转换成txt文本形式输出，结果如下：
这里就对应类似
真实值xml2txt
完成数据写入后，即获得了预测结果，再次回到get_map.py文件中继续执行：读取ground_truth，由于项目中使用的是VOC数据集，其标准格式为xml文件，这里需要进行转换为txt格式。
print("Get ground truth result.")
for image_id in tqdm(image_ids):
with open(os.path.join(map_out_path, "ground-truth/"+image_id+".txt"), "w") as new_f:
root = ET.parse(os.path.join(VOCdevkit_path, "VOC2007/Annotations/"+image_id+".xml")).getroot()
for obj in root.findall('object'):
difficult_flag = False
if obj.find('difficult')!=None:
difficult = obj.find('difficult').text
if int(difficult)==1:
difficult_flag = True
obj_name = obj.find('name').text
if obj_name not in class_names:
continue
bndbox = obj.find('bndbox')
left = bndbox.find('xmin').text
top = bndbox.find('ymin').text
right = bndbox.find('xmax').text
bottom = bndbox.find('ymax').text
if difficult_flag:
new_f.write("%s %s %s %s %s difficult\\n" % (obj_name, left, top, right, bottom))
else:
new_f.write("%s %s %s %s %s\\n" % (obj_name, left, top, right, bottom))
print("Get ground truth result done.")
在之前的学习中介绍使用的数据集是VOC但并未对其做太多介绍，这里对其标注内容简单介绍。
标注文件介绍：
<annotation>
<folder>VOC2007</folder>
<!--文件名-->
<filename>000005.jpg</filename>.
<!--数据来源-->
<source>
<!--数据来源-->
<database>The VOC2007 Database</database>
<annotation>PASCAL VOC2007</annotation>
<!--来源是flickr，一个雅虎的图像分享网站，下面是id，对于我们没有用-->
<image>flickr</image>
<flickrid>325991873</flickrid>
</source>
<!--图片的所有者，也没有用-->
<owner>
<flickrid>archintent louisville</flickrid>
<name>?</name>
</owner>
<!--图像尺寸,宽、高、长-->
<size>
<width>500</width>
<height>375</height>
<depth>3</depth>
</size>
<!--是否用于分割，0表示用于，1表示不用于-->
<segmented>0</segmented>
<!--下面是图像中标注的物体,每一个object包含一个标准的物体-->
<object>
<!--物体名称，拍摄角度-->
<name>chair</name>
<pose>Rear</pose>
<!--是否被裁减，0表示完整，1表示不完整-->
<truncated>0</truncated>
<!--是否容易识别，0表示容易，1表示困难-->
<difficult>0</difficult>
<!--bounding box的四个坐标-->
<bndbox>
<xmin>263</xmin>
<ymin>211</ymin>
<xmax>324</xmax>
<ymax>339</ymax>
</bndbox>
</object>
</annotation>
在我们的代码中获取object信息：
获得结果：
生成的 txt 文件与 xml 标注文件是一一对应的，其中有些会由于难以识别而后面加上 difficult
计算mAP
得到了真实值与预测值后我们就可以计算mAP了，按照前面原理中所介绍的，执行get_map函数，其实现位于util_map.py中，我们看一下其具体实现：
get_map(MINOVERLAP, draw_plot, score_threhold=0.5, path = './map_out')
参数介绍
MINOVERLAP = 0.5 ，当某一预测框与真实框重合度大于MINOVERLAP时，该预测框被认为是正样本，否则为负样本。
draw_plot=TRUE, 是否画图 score_threhold=0.5
Recall和Precision代表的是当门限值为0.5
path = ‘./map_out’ ,路径
执行get_map函数
前面是进行一些文件目录生成，如AP，F1等，接下来便是进行计算了，其计算过程代码实现还是蛮复杂的，但只要理解了前面所说的计算流程好懂了。我们来看一下其实现流程：
读取参数，设置文件目录信息
GT_PATH = os.path.join(path, 'ground-truth')
DR_PATH = os.path.join(path, 'detection-results')
IMG_PATH = os.path.join(path, 'images-optional')
TEMP_FILES_PATH = os.path.join(path, '.temp_files')
RESULTS_FILES_PATH = os.path.join(path, 'results')
show_animation = True
if os.path.exists(IMG_PATH):
for dirpath, dirnames, files in os.walk(IMG_PATH):
if not files:
show_animation = False
else:
show_animation = False
if not os.path.exists(TEMP_FILES_PATH):
os.makedirs(TEMP_FILES_PATH)
if os.path.exists(RESULTS_FILES_PATH):
shutil.rmtree(RESULTS_FILES_PATH)
else:
os.makedirs(RESULTS_FILES_PATH)
if draw_plot:
try:
matplotlib.use('TkAgg')
except:
pass
os.makedirs(os.path.join(RESULTS_FILES_PATH, "AP"))
os.makedirs(os.path.join(RESULTS_FILES_PATH, "F1"))
os.makedirs(os.path.join(RESULTS_FILES_PATH, "Recall"))
os.makedirs(os.path.join(RESULTS_FILES_PATH, "Precision"))
if show_animation:
os.makedirs(os.path.join(RESULTS_FILES_PATH, "images", "detections_one_by_one"))
读取ground_truth内容
for txt_file in ground_truth_files_list:#遍历ground_truth
file_id = txt_file.split(".txt", 1)[0]
file_id = os.path.basename(os.path.normpath(file_id))
temp_path = os.path.join(DR_PATH, (file_id + ".txt"))
if not os.path.exists(temp_path):
error_msg = "Error. File not found: \\n".format(temp_path)
error(error_msg)
lines_list = file_lines_to_list(txt_file)#每行读取
bounding_boxes = []
is_difficult = False
already_seen_classes = []
for line in lines_list:
try:
if "difficult" in line:
class_name, left, top, right, bottom, _difficult = line.split()
is_difficult = True
else:
class_name, left, top, right, bottom = line.split()
except:
if "difficult" in line:
line_split = line.split()
_difficult = line_split[-1]
bottom = line_split[-2]
right = line_split[-3]
top = line_split[-4]
left = line_split[-5]
class_name = ""
for name in line_split[:-5]:
class_name += name + " "
class_name = class_name[:-1]
is_difficult = True
else:
line_split = line.split()
bottom = line_split[-1]
right = line_split[-2]
top = line_split[-3]
left = line_split[-4]
class_name = ""
for name in line_split[:-4]:
class_name += name + " "
class_name = class_name[:-1]
bbox = left + " " + top + " " + right + " " + bottom
if is_difficult:
bounding_boxes.append("class_name":class_name, "bbox":bbox, "used":False, "difficult":True)
is_difficult = False
else:
bounding_boxes.append("class_name":class_name, "bbox":bbox, "used":False)
if class_name in gt_counter_per_class:
gt_counter_per_class[class_name] += 1
else:
gt_counter_per_class[class_name] = 1
if class_name not in already_seen_classes:
if class_name in counter_images_per_class:
counter_images_per_class[class_name] += 1
else:
counter_images_per_class[class_name] = 1
already_seen_classes.append(class_name)
with open(TEMP_FILES_PATH + "/" + file_id + "_ground_truth.json", 'w') as outfile:
json.dump(bounding_boxes, outfile)
gt_classes = list(gt_counter_per_class.keys())
gt_classes = sorted(gt_classes)
n_classes = len(gt_classes)
读取预测结果内容
这里我们梳理一下其运行流程：
最外层循环：for class_index, class_name in enumerate(gt_classes)
按照分类类别进行循环
第二层循环：for idx, detection in enumerate(dr_data)
按照预测文件名称进行循环，如1.txt,2.txt
第三层循环： for obj in ground_truth_data
从真实标注文件中依次获得标注框并与预测框进行iou比对，保留iou值最大的(这里计算时为该图片内某个类别）
完成第三层循环后，判断是否变为TP,否则为FP
紧接着完成第二层循环，然后进行总结TP,FP，计算Precision和ReCall
cumsum = 0
for idx, val in enumerate(fp):
fp[idx] += cumsum
cumsum += val
cumsum = 0
for idx, val in enumerate(tp):
tp[idx] += cumsum
cumsum += val
rec = tp[:]
for idx, val in enumerate(tp):
rec[idx] = float(tp[idx]) / np.maximum(gt_counter_per_class[class_name], 1)
prec = tp[:]
for idx, val in enumerate(tp):
prec[idx] = float(tp[idx]) / np.maximum以上是关于YOLOV7学习记录之mAP计算的主要内容，如果未能解决你的问题，请参考以下文章
YoloV7实战：手把手教你使用Yolov7进行物体检测（附数据集）